Numpy中的數(shù)組整體處理賦值操作一直讓我有點(diǎn)迷糊，很多時(shí)候理解的不深入。今天單獨(dú)列寫(xiě)相關(guān)的知識(shí)點(diǎn)，進(jìn)行總結(jié)一下。
先看兩個(gè)代碼片小例子：
例子1：
In [2]: arr =np.empty((8,4)) In [3]: arrOut[3]:array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]]) In [4]: arr[1] = 1 In [5]: arrOut[5]:array([[ 0., 0., 0., 0.], [ 1., 1., 1., 1.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])
例子2：
In [6]: arr1 =np.empty(2)In [8]: arr1Out[8]:array([ 7.74860419e-304, 7.74860419e-304]) In [9]: arr1 = 0 In [10]: arr1Out[10]: 0
這兩段看上去似乎出現(xiàn)了行為不一致，其實(shí)利用一般面向?qū)ο蟮臉?biāo)簽理解模型還是能夠理解的。
例子1中，加上了索引之后的標(biāo)簽其實(shí)指代的就是具體的存儲(chǔ)區(qū)，而例子2中，直接使用了一個(gè)標(biāo)簽而已。那么這樣如何實(shí)現(xiàn)對(duì)一個(gè)一維數(shù)組的全體賦值呢？其實(shí)只需要進(jìn)行全部元素的索引即可，
具體方法實(shí)現(xiàn)如下：
In [11]: arr1 =np.empty(2) In [12]: arr1Out[12]: array([0., 0.]) In [13]: arr1[:]Out[13]: array([0., 0.]) In [14]: arr1[:] =0 In [15]: arr1Out[15]: array([0., 0.])
看起來(lái)似乎蠻簡(jiǎn)單，但是不做一下稍微深入一點(diǎn)的分析，理解起來(lái)確實(shí)是還有一點(diǎn)點(diǎn)難度。
以上這篇對(duì)numpy中數(shù)組元素的統(tǒng)一賦值實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點(diǎn)
疑難解答
圖片精選
